Acerca de este módulo

Título

Análisis de Redes Sociales

Intensidad horaria

• 16 horas académicas presenciales de docencia directa.

  5 sesiones de 3 horas académicas durante 5 semanas (exceptuando la primera semana, la cual será de 4 horas).

• 2 horas semanales de monitoria telepresencial.

Redes sociales on-line:

e.g., Twitter.

Redes biológicas:

e.g., red de proteínas.

Y muchas más:

• Redes de información.
• Redes de contagio.
• Redes de transporte.
• Redes de comercio.
• Redes de corrupción.

Datos relacionales

Los datos relacionales están constituidos por una colección de objetos, sus atributos y un conjunto de relaciones observadas entre ellos.

La presencia de variables diádicas (medidas sobre pares de individuos o díadas) es la característica distintiva de los datos relacionales.

Objetivos

Almacenar, gestionar, caracterizar, visualizar y modelar datos relacionales:

• Teoría de grafos.
• Modelos estadísticos.
• Herramientas computacionales.

Redes no dirigidas y dirigidas

• Una relación no dirigida (simétrica) tiene uno y solo un valor por díada.

• Una relación dirigida (asimétrica) tiene dos valores por díada, i.e., un valor para cada miembro de la pareja.

Se dice que una red es una red no dirigida (grafo) si todas las relaciones en ella no están dirigidas, y se denomina red dirigida (dígrafo) en caso contrario.

Ejemplos de relaciones no dirigidas:

• Amistades de una red social on-line.
• Cantidad de tiempo que personas pasan juntas.

Ejemplos de relaciones dirigidas:

• Amistades auto-informadas.
• Número de correos electrónicos enviados entre compañeros de trabajo.

Redes binarias y ponderadas

• Una relación binaria (dicotómica) únicamente asume dos valores, ausencia o presencia de la relación.

• Una relación ponderada (numérica) toma más de dos valores para caracterizar las relaciones entre las díadas.

Ejemplos de relaciones binarias:

• Presencia de un conflicto militar entre países.
• Presencia de una alianza estratégica entre compañías.

Ejemplos de relaciones ponderadas:

• Número de veces que congresistas apoyan un proyecto de ley juntos.
• Distancia geográfica entre ciudades.

Redes neuronales

Una red neuronal es un modelo computacional con varias capas de nodos, cuyo comportamiento está determinado por la forma en que se conectan los nodos y la ponderación de las conexiones.

Usualmente se utilizan para tareas de identificación complejas, como el reconocimiento facial, el reconocimiento de voz y la traducción de textos.

Ver por ejemplo:

• Ghatak, A. (2019). Deep learning with R. Springer.
• ¿Pero qué “es” una Red neuronal? de 3Blue1Brown.

Redes Bayesianas

Las redes Bayesianas son una clase de modelos gráficos que permiten una representación de las dependencias probabilísticas entre un conjunto dado de variables aleatorias por medio de un gráfico acíclico dirigido (DAG), donde cada nodo corresponde a una variable aleatoria.

Ver por ejemplo:

• Scutari, M. & Denis, J. B. (2021). Bayesian networks: with examples in R. CRC press.
• Bayesian Networks de Bert Huang.